Segundo Cerebro

Decisiones de funcionalidades futuras

Properties1
tagsdecisiones, funcionalidades, roadmap, voz, ia, integraciones

Se lee en 7 min

Decisiones de funcionalidades futuras

Decisiones tomadas sobre nuevas funcionalidades a integrar en el ecosistema (segundo cerebro, auth portal, GitHub console). No implementar aún — documentar, evaluar y priorizar.

1. Transcripción de voz

Decisión: Agregar transcripción de voz para capturar ideas, notas y tareas sin escribir.

Contexto: El usuario quiere poder hablar en lugar de escribir, especialmente al llegar a casa o en movimiento. La bóveda ya tiene sincronización (Syncthing) y un segundo cerebro web.

Opciones consideradas:

  • Web Speech API (navegador): gratis, sin backend, funciona en Chrome/Edge. Limitado a navegadores compatibles.
  • Whisper (OpenAI): muy preciso, soporta español, requiere API key y backend.
  • Whisper local (whisper.cpp): offline, privado, requiere instalación en el equipo.
  • Coucou Flow dictation: Coucou ya tiene dictado por voz offline con Parakeet (Apple Silicon) o reconocimiento del sistema. Integrar con el ecosistema.

Decisión preliminar: Empezar con Web Speech API para el prototipo (gratis, sin backend). Evaluar Whisper local para mayor precisión. Integrar con Coucou si el usuario lo usa en Mac.

Dónde se implementa: Auth Portal (botón de micrófono en el dashboard) + endpoint en la bóveda (nota diaria por voz).

Dependencias: Ninguna para Web Speech API. Para Whisper: API key o instalación local.

2. Entender contexto IA para conversar según mi contexto

Decisión: La IA debe entender el contexto completo del usuario (notas, tareas, proyectos, bloqueos) para conversar de forma personalizada.

Contexto: El usuario quiere que OpenCode y Claude “entiendan” su situación actual: qué está estudiando, qué bloqueos tiene, qué tareas tiene pendientes, qué proyectos está desarrollando.

Opciones consideradas:

  • RAG (Retrieval-Augmented Generation): Indexar la bóveda con embeddings y consultar por similitud semántica. Requiere vector database (Chroma, Pinecone, o local).
  • Contexto completo en prompt: Enviar las notas relevantes como contexto en cada conversación. Limitado por el tamaño del contexto del modelo.
  • MCP Server para Obsidian: Usar un servidor MCP que exponga la bóveda a Claude/OpenCode. Ya existe realclaudian plugin para Obsidian.
  • Archivo de contexto: Un archivo CONTEXTO.md que se actualiza automáticamente con el estado actual (tareas pendientes, último sprint, bloqueos). Se envía como system prompt.

Decisión preliminar: Combinar enfoques:

  1. Crear un archivo CONTEXTO.md en la bóveda que se actualiza con el estado actual (tareas pendientes, sprint activo, bloqueos).
  2. Usar RAG para búsqueda semántica (evaluar Chroma local o embeddings de OpenAI).
  3. Mantener el plugin realclaudian para Claude en Obsidian.
  4. Para OpenCode, agregar un comando que lea el contexto + notas relevantes antes de responder.

Dónde se implementa: Bóveda (archivo CONTEXTO.md) + OpenCode (comando personalizado) + Claude (via realclaudian).

Dependencias: Para RAG: vector database. Para contexto completo: ninguna (solo lectura de archivos).

3. Voz propia (text-to-speech con voz personalizada)

Decisión: Generar audio con la voz del usuario para leer notas, resúmenes y respuestas de IA.

Contexto: El usuario quiere escuchar sus notas o respuestas de IA con su propia voz, para revisar mientras camina o hace otras cosas.

Opciones consideradas:

  • ElevenLabs: Clonación de voz de alta calidad. API de pago (free tier limitado).
  • Coqui TTS: Open source, clonación de voz local. Requiere GPU.
  • Web Speech API (SpeechSynthesis): Gratis, voces del sistema. No es la voz del usuario.
  • Piper TTS: Open source, voces pre-entrenadas. No clona voz pero es offline y rápido.
  • Coucou: Ya tiene TTS integrado para respuestas de IA (usa API keys del usuario).

Decisión preliminar: Empezar con Web Speech API para prototipo (gratis). Evaluar ElevenLabs para clonación real. Integrar con Coucou si el usuario lo usa en Mac.

Dónde se implementa: Auth Portal (botón “leer nota” en el dashboard) + segundo cerebro (botón en cada nota).

Dependencias: Para ElevenLabs: API key. Para Coqui: GPU + instalación.

4. Integración con GitHub

Decisión: Integrar GitHub más allá de SSH: issues, PRs, actividad, repositorios.

Contexto: El usuario ya tiene SSH configurado. Quiere ver su actividad de GitHub, crear issues, revisar PRs desde el ecosistema.

Opciones consideradas:

  • GitHub API (REST/GraphQL): Acceso completo. Requiere token (PAT o OAuth).
  • GitHub CLI (gh): Ya instalado. Permite operaciones desde terminal.
  • GitHub Webhooks: Notificaciones de eventos (push, PR, issue) en tiempo real.
  • GitHub Actions: Automatización (ya configurado para deploy de Quartz).

Decisión preliminar:

  1. Instalar gh en el equipo (ya hecho).
  2. Crear un endpoint en la consola de GitHub que muestre: repos recientes, issues abiertos, PRs pendientes, actividad.
  3. Agregar webhooks para notificaciones en el segundo cerebro.
  4. Usar la API de GitHub para crear issues desde notas (ej. “crear issue desde esta nota”).

Dónde se implementa: GitHub Access Console (extender con API) + segundo cerebro (widget de actividad).

Dependencias: Token de GitHub (PAT con scopes repo, read:user).

5. Integración con LinkedIn

Decisión: Integrar LinkedIn para networking y búsqueda de empleo.

Contexto: El usuario quiere conectar su segundo cerebro con LinkedIn para compartir aprendizajes, buscar oportunidades y mantener su perfil actualizado.

Opciones consideradas:

  • LinkedIn API: Limitada. Requiere aprobación de app. Acceso a perfil, posts, conexiones.
  • LinkedIn Share API: Compartir posts desde el ecosistema.
  • Scraping (no recomendado): Viola ToS.
  • RSS de LinkedIn: Algunos perfiles tienen feed RSS.

Decisión preliminar:

  1. Usar la API de LinkedIn para compartir posts (ej. “compartir esta nota en LinkedIn”).
  2. Mostrar estadísticas de perfil (conexiones, vistas) en el dashboard.
  3. Evaluar si vale la pena la complejidad de la aprobación de app.

Dónde se implementa: Auth Portal (widget de LinkedIn) + segundo cerebro (botón “compartir en LinkedIn”).

Dependencias: LinkedIn app aprobada + OAuth token.

6. Integración con bolsas de empleo

Decisión: Integrar búsqueda de empleo desde el ecosistema.

Contexto: El usuario está en formación (Sprint 0, Etapa 1-5) y eventualmente buscará empleo en desarrollo/forense. Quiere tener un dashboard de ofertas relevantes.

Opciones consideradas:

  • APIs de bolsas de empleo: LinkedIn Jobs, Indeed, Glassdoor (la mayoría requieren partnership).
  • RSS de búsquedas: Algunas bolsas ofrecen RSS de búsquedas guardadas.
  • Scraping (no recomendado): Viola ToS.
  • Manual: El usuario guarda ofertas interesantes como notas en la bóveda.

Decisión preliminar:

  1. Crear una carpeta 05_Profesional/Ofertas/ en la bóveda para guardar ofertas manualmente.
  2. Si se consigue acceso a APIs, crear un widget de búsqueda.
  3. Integrar con la bitácora: “ofertas aplicadas”, “entrevistas”, “seguimiento”.

Dónde se implementa: Bóveda (carpeta de ofertas) + segundo cerebro (widget de seguimiento).

Dependencias: APIs de bolsas de empleo (la mayoría requieren partnership).

7. Integración con Coucou

Decisión: Integrar Coucou (el companion de Mac notch) con el ecosistema.

Contexto: Coucou es un app open source (MIT) que vive en el notch del Mac y monitorea agentes de IA (Claude Code, OpenCode, Cursor, etc.). Tiene dictado por voz, TTS, chat con IA, notificaciones y más. El usuario ya lo usa (está en ~/coucou/).

Opciones consideradas:

  • Coucou como monitor de agentes: Ya funciona. Muestra el estado de Claude Code/OpenCode en el notch.
  • Coucou + bóveda: Coucou podría leer/escribir notas en la bóveda via MCP o API.
  • Coucou + voz: Usar el dictado de Coucou para crear notas por voz.
  • Coucou + notificaciones: Notificar cuando hay nuevas notas, recordatorios, etc.

Decisión preliminar:

  1. Usar Coucou como monitor de agentes (ya funciona).
  2. Crear un hook/MCP que permita a Coucou leer la bóveda (notas del día, tareas pendientes).
  3. Usar el dictado de Coucou para crear notas por voz (guardar en 02_Bitacora/).
  4. Integrar notificaciones de Coucou con el segundo cerebro (ej. “tienes 3 tareas pendientes”).

Dónde se implementa: Coucou (hooks/MCP) + segundo cerebro (API de lectura) + bóveda.

Dependencias: Coucou instalado y configurado. MCP server para la bóveda.

Resumen de decisiones

#FuncionalidadPrioridadComplejidadDependencias
1Transcripción de vozAltaMediaWeb Speech API (gratis) o Whisper
2Contexto IAAltaAltaVector DB (RAG) o archivo de contexto
3Voz propia (TTS)MediaAltaElevenLabs API key o Coqui local
4GitHub (issues, PRs, actividad)MediaMediaGitHub PAT
5LinkedInBajaAltaLinkedIn app aprobada
6Bolsas de empleoBajaMediaAPIs de bolsas (partnership)
7CoucouMediaMediaCoucou instalado + MCP

Próximos pasos sugeridos

  1. Empezar con transcripción de voz (Web Speech API) — gratis, sin backend, inmediato.
  2. Crear archivo CONTEXTO.md en la bóveda — sin dependencias, mejora inmediata del contexto IA.
  3. Integrar Coucou — ya está instalado, solo falta conectar con la bóveda.
  4. GitHub API — obtener un PAT y crear widget de actividad.

Estas son decisiones, no implementaciones. Cada una se evaluará y priorizará antes de construir.

Vista Gráfica